Sandsynligheden for at ligge i et interval (a,b] er givet ved
P(a<X≤b)=∫abf(x;μ,σ)dx.
Bemærk specielt, at dette viser P(X=x)=0 for enhver værdi x: for en
kontinuert stokastisk variabel er enhver punktsandsynlighed lig med nul.
Fordelingsfunktionen, det vil sige sandsynligheden for
at ligge til venstre for et punkt, betegnes med
Ncdf(x;μ,σ). Bemærk, at i fordelingsnotationen
N(μ,σ2) bruges variansen σ2, hvorimod i tætheden og
fordelingsfunktionen bruges spredning σ. Det sidste er for at
være i overensstemmelse med notationen i python.
Normalfordelingen med middelværdi μ=0 og spredning
σ=1 kaldes standard normalfordelingen. Der gælder følgende vigtige regneregler (disse er omtalt i
jeres calculuskursus).
Hvis X∼N(μ,σ2), og a og b er givne tal, så vil
a+bX∼N(a+bμ,b2σ2). Specielt kan vi skrive
X=μ+σU, hvor U∼N(0,1).
Hvis X og Y er normalfordelte og uafhængige, så vil også
X+Y være normalfordelt.
Hvis U1,…,Uk er uafhængige og standard normalfordelte, så
har den stokastiske variabel U12+⋯+Uk2 en χ2(k)-fordeling.
Man kan få en fornemmelse for de to første regneregler ud fra den
centrale grænseværdisætning (afsnit 2.4).
Hvis X er en sum af mange små bidrag,
så er dette også tilfældet for a+bX. Hvis både X og Y
er summer af mange små led, så vil dette også gælde for summen af de to. I kodevinduet nedenfor vises tæthed og fordelingsfunktion for en
normalfordeling. Desuden er 97.5%-fraktilen markeret, det vil sige punktet,
hvor der ligger 97.5% sandsynlighed til venstre for og
2.5% sandsynlighed til højre for.
Tætheden i en normalfordeling beregnes med funktionen st.norm.pdf i
python.
Fordelingsfunktionen beregnes med st.norm.cdf,
og fraktiler findes med funktionen st.norm.ppf.
Hvis man ikke angiver middelværdien og
spredningen i kaldet til de tre funktioner, benytter python
standard normalfordelingen.
Prøv at køre kommandoerne,
og prøv at ændre på μ og σ.
Bemærk, at figuren har to andenakser, hvor aksen til venstre angiver tæthed
og aksen til højre angiver sandsynlighed.
xxxxxxxxxx
1
importnumpyasnp
2
importmatplotlib.pyplotasplt
3
importscipy.statsasst
4
5
# valg af parametre
6
mu=0
7
sigma=0.5
8
9
# figur med tæthed dannes
10
fig,ax=plt.subplots()
11
x=5*np.arange(-1000,1001)/1000
12
ax.plot(x,st.norm.pdf(x,mu,sigma),'-k')
13
plt.ylim([0,1])
14
ax.axvline(st.norm.ppf(0.975,mu,sigma),color='r')
15
ax.set_ylabel('Tæthed')
16
ax.set_xlabel('x')
17
18
# fordelingsfunktion og akse på højre side dannes
19
ax2=ax.twinx()
20
ax2.plot(x,st.norm.cdf(x,mu,sigma),'b-')
21
ax2.set_ylabel('Fordelingsfunktion')
22
plt.show()
Messages
Prøv, om du kan beregne
95%-fraktilen i en standard normalfordeling. Beregn også 5%-fraktilen.